ক্রিকেট নয়, পাইপলাইনের ব্যর্থতা: একটি ফাঁকা ডেটা রিপোর্ট যে গল্প বলে

স্কোরকার্ডে কোনো নাম নেই। ইনিংসের কোনো বিবরণ নেই, ভেন্যুর নাম নেই, এমনকি কোন ফরম্যাটে খেলা হচ্ছে তারও কোনো উল্লেখ নেই। তবুও যে নথিটি আমার সামনে এসেছে, সেটি বাইশ গজের কোনো গল্প নয় — এটি একটি ডেটা পাইপলাইনের ময়নাতদন্ত। ইনপুট ফিল্ডগুলো স্কিমায় বিদ্যমান, কিন্তু মান শূন্য। শিরোনাম নেই, সূত্র নেই, তথ্যবিন্দু শূন্য, সত্তা শনাক্তকরণ ব্যর্থ। এই ফাঁকা ফিল্ডগুলোর পাশে যখন দেখলাম ডোমেইন লেবেল লেখা cricket_world, আর নিবন্ধের ধরন Unclassified — তখন পরিষ্কার হয়ে গেল, সমস্যাটি ক্রিকেট বিশ্লেষণের নয়, বরং ক্রিকেট তথ্য সংগ্রহ ও প্রক্রিয়াকরণের অবকাঠামোর।

আমি গত কুড়ি বছরে বহু ট্রেনিং গ্রাউন্ড কভার করেছি, বহু ক্লাবের সেশন ইনটেনসিটি কার্ড বানিয়েছি, আর ২০২০ সালে মোহামেডান এসসি-র বেতন সংকটের সময় চুক্তিপত্র আর পেমেন্ট ডেট মিলিয়ে দেখেছি। সেই অভিজ্ঞতা আমাকে একটা জিনিস শিখিয়েছে: দুর্বল প্রক্রিয়া কখনো নিজেকে দুর্বল বলে স্বীকার করে না, সে ফাঁকা ঘরগুলোকে খুব সুন্দরভাবে ভরে ফেলে। এখানেও সেই প্রলোভন ছিল। আটটি বিশ্লেষণ মাত্রার প্রতিটিতে যদি আমি আমার স্মৃতি থেকে প্লেয়ারের নাম, দলের র‍্যাঙ্কিং, বা লিগের সম্প্রচার স্বত্বের অঙ্ক বসিয়ে দিতাম, তাহলে পাঠক একটি বিশ্বাসযোগ্য ক্রিকেট বিশ্লেষণ পড়তেন — যা আসলে কোনো নিবন্ধের বিশ্লেষণ নয়, বরং বিশ্লেষকের পূর্বজ্ঞানের পুনরাবৃত্তি।

এখানে আসল তথ্য-লাভ হলো এই যে, এই নথিটি নিজেই একটি প্রমাণ: তথ্য না থাকলে বিশ্লেষণ থামানোই সবচেয়ে পেশাদার সিদ্ধান্ত। ডেটা স্ট্যান্ডার্ডাইজার হিসেবে আমার কাজ পদ্ধতি রক্ষা করা, অনুমান দিয়ে শূন্যতা ঢেকে দেওয়া নয়। আটটি মাত্রার প্রতিটিতে লেখা আছে N/A — insufficient information। ফরম্যাট নির্ধারণ করা যায়নি, কারণ কোনো ফরম্যাট উল্লেখ নেই। প্লেয়ারের গড় বা স্ট্রাইক রেট দেওয়া যায়নি, কারণ কোনো খেলোয়াড়ের নাম নেই। দলের র‍্যাঙ্কিং বিবেচনা অসম্ভব, কারণ কোনো দল, কোনো সিরিজ ফলাফল, কোনো আইসিসি টেবিলের উল্লেখ নেই। লিগের বাণিজ্যিক কাঠামো, নিলামের মূল্যায়ন, সম্প্রচার স্বত্বের পুনর্নবীকরণ — সবই শূন্য ইনপুটে আটকে আছে। এমনকি সুশাসন ও অখণ্ডতা পরীক্ষার চেকলিস্টও ফাঁকা, যদিও এখানে একটি স্পষ্ট সতর্কতা প্রযোজ্য: ম্যাচ-ফিক্সিং সংক্রান্ত কোনো সংকেত থাকলে তা বাধ্যতামূলকভাবে চিহ্নিত করতে হবে — কিন্তু এখানে চিহ্নিত করার মতো কোনো সংকেতই নেই।

আমি ২০১৭ সালে আবাহনী লিমিটেড ঢাকার ট্রেনিং গ্রাউন্ড স্ট্যান্ডার্ডাইজ করতে গিয়ে শিখেছিলাম, একটি ক্লাবের পরিচয় তার ঘোষণাপত্রে থাকে না, থাকে তার পরিমাপ, সময়সূচি ও প্রয়োগে। এই ডেটা পাইপলাইনের ক্ষেত্রেও ঠিক একই নীতি প্রযোজ্য। ডোমেইন লেবেলে cricket_world লেখা আর প্রত্যাশিত Cricket না হওয়া, সঙ্গে Unclassified ধরন — এই সংমিশ্রণটি একটি ব্যাচের একক ত্রুটি নয়, বরং ট্যাক্সোনমি ম্যাপিংয়ের একটি পদ্ধতিগত সমস্যা। যদি একটি নিবন্ধে এই স্বাক্ষর দেখা যায়, তাহলে ধরে নিতে হবে পুরো ব্যাচের অন্যান্য ক্রিকেট নিবন্ধেও একই লেবেল-বিচ্যুতি ঘটছে। এটাই সেই ধরনের লুকানো যা একটি রিপোর্টের সবচেয়ে দামি অংশ — কারণ এটি ভবিষ্যতের প্রতিটি রিপোর্টকে প্রভাবিত করে।

তাহলে মূল কারণ কী? সবচেয়ে সম্ভাব্য উত্তর — Fetch স্তরে ব্যর্থতা। এইচটিটিপি স্ট্যাটাস কোড, চূড়ান্ত ইউআরএল, এবং বডির বাইট-দৈর্ঘ্য লগ করতে পারলেই এক ধাপে বোঝা যাবে সমস্যাটি পেয়াওয়াল, জাভাস্ক্রিপ্ট-রেন্ডার করা পেজ, রিডাইরেক্ট, নাকি সত্যিই বিষয়বস্তু-শূন্য নিবন্ধ। তিনটি সম্ভাবনার মধ্যে পার্থক্য নির্ণয়ের জন্য এই একটি লগই যথেষ্ট। পাইপলাইনের দুর্বলতা এখানেই — ব্যর্থতা নিজেকে গোপন করে, আর ডাউনস্ট্রিম স্তর সেটিকে বৈধ ফলাফল হিসেবে গ্রহণ করে।

একই যুক্তি ক্রিকেট ক্লাব ও বোর্ডের ক্ষেত্রেও প্রযোজ্য। ২০২০ সালে খেলোয়াড়দের পাঁচ মাসের বকেয়া বেতনের খবরটি বের করেছিলাম, তখন প্রশ্নটি ছিল সরল: সময়সূচি কোথায়, চুক্তির ধারা কোথায়, দায় কে নেবে? প্রশাসনিক নীরবতা তার নিজস্ব রিপোর্ট তৈরি করে না, সে শুধু ফাঁকা জায়গা রেখে যায়। ঠিক তেমনি, অস্বচ্ছ প্রক্রিয়া কখনো ভুল বলে স্বীকৃতি দেয় না — সে শূন্যতাকে সাদা ঘরে ঢেকে রাখে। যে পাইপলাইন কোনো ব্যর্থতার সংকেত ছাড়াই ফাঁকা ফলাফল তৈরি করে আর সেটি ডাউনস্ট্রিমে পাঠিয়ে দেয়, তার চেয়ে বড় ঝুঁকি আর নেই।

বিরোধী দৃষ্টিকোণ থেকে দেখলে একটি প্রশ্ন উঠে আসে: এই নথিটি কি তবে অর্থহীন? না। এটি তিনটি মাত্রায় মূল্যবান। প্রথমত, এটি একটি ডায়াগনস্টিক নিদর্শন — এটি প্রমাণ করে যে সংগ্রহ, পার্সিং, সারসংক্ষেপণ ও সত্তা-শনাক্তকরণের চেইনের কোনও এক জায়গায় ভাঙন আছে। দ্বিতীয়ত, এটি পাইপলাইনের একটি গেটের দাবি রাখে: খালি Information Points অ্যারে দেখলেই স্টেজ-টু থামা উচিত, সতর্কতা জারি হওয়া উচিত, টেমপ্লেট পূরণ করা উচিত নয়। তৃতীয়ত, এটি দেখায় যে তথ্য নিবন্ধের শিরোনামহীনতা, সূত্রের অনুপস্থিতি এবং লেখকের অবস্থানের অনির্ণেয়তা — এই ত্রয়ী একসঙ্গে ঘটলে সম্ভবত নিবন্ধটি কোনো মতামতপূর্ণ ফিচার ছিল না, বরং স্কোরকার্ড বা ফিক্সচার-স্টাব ছিল। কারণ মতামতপূর্ণ লেখায় সাধারণত ক্ষতিগ্রস্ত নিষ্কাশনের পরেও একটি দাঁড়ানো চিহ্ন রয়ে যায়।

অন্য একটি জিনিস এই নথিতে স্পষ্ট: নিজের তৈরি টেমপ্লেটের সম্পূর্ণতা-দাবি সবচেয়ে বড় ঝুঁকি। বিশ্লেষণ কাঠামোতে যদি আটটি মাত্রার প্রতিটির জন্য ঘর বাধ্যতামূলক করা হয়, তাহলে কৃত্রিম বুদ্ধিমত্তা-চালিত সিস্টেমটি সেসব ঘর ভরাট করার চাপ অনুভব করে। আর ভরাট করার সবচেয়ে সহজ উপায় হলো মনে থাকা তথ্য। এই কারণেই স্পষ্ট N/A লেখাগুলো মুছে ফেলা যাবে না। তথ্যপূর্ণ সূত্রের জায়গায় স্মৃতি থেকে কিছু বসিয়ে দেওয়া মানে হলো ম্যাচ রিপোর্টের জায়গায় গুজব ाা। ক্রিকেট সাংবাদিকতায় এই অভ্যাসটি নতুন নয় — ঘোষণা দিয়ে দল ঘোষণা করা, সূত্র ছাড়া চুক্তির অঙ্ক বলা, অনুশীলন সেশনকে ম্যাচ প্রস্তুতি হিসেবে চালিয়ে দেওয়া। সবই একই রোগের লক্ষণ।

যে সংকেতগুলো এখনই ট্র্যাক করা উচিত, সেগুলোও এই নথি নিজেই বলে দিচ্ছে। প্রতি ব্যাচে শূন্য তথ্যবিন্দুর অনুপাত — ২ শতাংশের বেশি হলে পদ্ধতিগত সংকট। ডোমেইন লেবেলের বিচ্যুতি — ক্যানোনিকাল তালিকার বাইরে যেকোনো মান মানেই রাউটিং ত্রুটি। স্বাভাবিক দৈর্ঘ্যের লেখায় সত্তার সংখ্যা শূন্যের কাছাকাছি — এর মানে NER স্তর আলাদাভাবে ব্যর্থ হচ্ছে, ফেচ স্তর নয়। আর সূত্র ফিল্ডের খালি থাকার হার — এটি উচ্চ হলে উৎসের মান নির্ধারণই অসম্ভব হয়ে পড়ে, ফলে আত্মবিশ্বাস nível নির্ধারণের সম্পূর্ণ ব্যবস্থা দুর্বল হয়ে যায়। এই চারটি মেট্রিক একসঙ্গে মনিটর করলে পাইপলাইনের যেকোনো ব্যর্থতা শনাক্তকরণের আগেই প্রতিরোধযোগ্য হয়ে যায়।

শেষ কথা: যে রিপোর্ট ফাঁকা, সে রিপোর্ট মিথ্যা বলে না — সে সৎ থাকে। আগামী ব্যাচে যখন শূন্য তথ্যবিন্দুর হার শূন্যের দিকে নামবে, তখনই বোঝা যাবে যে আমরা ক্রিকেটের গল্প ফিরে পেয়েছি। ততদিন পর্যন্ত প্রশ্নটি ঝুলে থাকুক: আপনার সংগ্রহ ব্যবস্থা কি শেষবার কবে নিজের ব্যর্থতা স্বীকার করেছে, নাকি সেটিও নীরবে ফাঁকা ঘর ভরে চলেছে?